Jährlich geht der von der Dr. Wilhelmy-Stiftung und dem VDE verliehene Dr. Wilhelmy VDE Preis an bis zu drei junge Ingenieurinnen der Elektro- und Informationstechnik. Die Auszeichnung ist jeweils mit 3.000 EUR dotiert und verleiht herausragenden Dissertationen mehr Sichtbarkeit.
2024 wurden Dr. Liana Khamidullina und Dr.-Ing. Julia Rosenberger für ihre Arbeiten gewürdigt.
Dr. Liana Khamidullina …
hat an der TU Illmenau an der Fakultät für Elektro- und Informationstechnik promoviert und ihre Dissertation dem Thema Signalverarbeitung gewidmet. Im Kern geht es darum, dass Daten in vielen Anwendungen eine hochdimensionale Struktur haben und der Rückgriff auf matrixbasierte, also zweidimensionale, Ansätze bei der Verarbeitung zu einem Informationsverlust führt. Khamidullina definierte für ihre Dissertation „Tensor Decompositions and Algorithms for Efficient Multidimensional Signal Processing“ verschiedene Applikationen, um die Vorteile einer tensorbasierten, also multidimensionalen Verarbeitung aufzuzeigen und dafür leistungsstarke Algorithmen zu entwickeln.
Für medizinische Anwendungen wie EEGs hat sie ein Modell entwickelt, das auf Datenfusion basiert und somit in der Lage ist, die Informationen vieler Sensoren gleichzeitig zu verarbeiten. Dadurch steigt die Präzision, und Fehler werden leichter erkannt – etwa durch schlecht sitzende Sensoren oder Bewegungen des Patienten während der Aufzeichnung.
Dr.-Ing. Julia Rosenberger …
hat an der Universität Duisburg-Essen in Kooperation mit der Bosch Rexroth AG eine Industriepromotion absolviert und sich in ihrer Dissertation mit der Verarbeitung von industriellen Datenflüssen befasst. Im Fokus stand die Problematik, dass in industriellen Anlagen Unmengen an Daten verarbeitet werden sollen und gleichzeitig für diesen Zweck oft nicht in teure Hardware investiert wird.
In ihrer Dissertation mit dem Titel „Datenflussoptimierung mit dynamischer Allokation von Ressourcen in der Industrie“ verwendete Rosenberger Kompressionsalgorithmen, die für die Verarbeitung von Daten bereits zur Verfügung stehen, um sie für die Verarbeitung von Datenflüssen weiterzuentwickeln. Auch beschäftigte sie sich damit, relevante Informationen – also Anomalien – frühzeitig aus dem steten Datenfluss herauszufiltern und somit die Menge an zu übertragenden Daten zu reduzieren.
Um die begrenzte Hardware bestmöglich für alle Aufgaben zu nutzen, hat die Softwareexpertin Verfahren aus dem Machine Learning adaptiert. Kontinuierlich werden IoT-Geräte ermittelt, die nicht zu 100 Prozent ausgelastet sind, um sie bei ausreichender Bandbreite für die Datenverarbeitung zu nutzen.
